From 1dc429b5549b792ab95258f61b96c83fc93fbb17 Mon Sep 17 00:00:00 2001
From: s434695 <tomgrz3@st.amu.edu.pl>
Date: Tue, 25 May 2021 20:59:48 +0200
Subject: [PATCH] logistic regression

---
 .../LogisticRegression-checkpoint.ipynb       |  269 ++
 Log_Reg.py                                    |   95 +
 LogisticRegression.ipynb                      |  269 ++
 dev-0/out.tsv                                 | 2398 +++++++-------
 test-A/out.tsv                                | 2744 -----------------
 5 files changed, 1832 insertions(+), 3943 deletions(-)
 create mode 100644 .ipynb_checkpoints/LogisticRegression-checkpoint.ipynb
 create mode 100755 Log_Reg.py
 create mode 100644 LogisticRegression.ipynb

diff --git a/.ipynb_checkpoints/LogisticRegression-checkpoint.ipynb b/.ipynb_checkpoints/LogisticRegression-checkpoint.ipynb
new file mode 100644
index 0000000..73d931f
--- /dev/null
+++ b/.ipynb_checkpoints/LogisticRegression-checkpoint.ipynb
@@ -0,0 +1,269 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import numpy as np\n",
+    "import torch\n",
+    "from nltk.tokenize import word_tokenize\n",
+    "import gensim.downloader"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 3,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "#wczytywanie danych\n",
+    "x_train = pd.read_table('train/in.tsv', sep='\\t', error_bad_lines=False, quoting=3, header=None, names=['content', 'id'], usecols=['content'])\n",
+    "y_train = pd.read_table('train/expected.tsv', sep='\\t', error_bad_lines=False, quoting=3, header=None, names=['label'])\n",
+    "x_dev = pd.read_table('dev-0/in.tsv', sep='\\t', error_bad_lines=False, header=None, quoting=3, names=['content', 'id'], usecols=['content'])\n",
+    "x_test = pd.read_table('test-A/in.tsv', sep='\\t', error_bad_lines=False, header=None, quoting=3, names=['content', 'id'], usecols=['content'])"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 4,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "x_train = x_train.content.str.lower()\n",
+    "x_dev = x_dev.content.str.lower()\n",
+    "x_test = x_test.content.str.lower()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 15,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stderr",
+     "output_type": "stream",
+     "text": [
+      "[nltk_data] Downloading package punkt to /home/tomasz/nltk_data...\n",
+      "[nltk_data]   Unzipping tokenizers/punkt.zip.\n"
+     ]
+    },
+    {
+     "data": {
+      "text/plain": [
+       "True"
+      ]
+     },
+     "execution_count": 15,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "import nltk\n",
+    "nltk.download('punkt')"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 5,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "x_train = [word_tokenize(content) for content in x_train]\n",
+    "x_dev = [word_tokenize(content) for content in x_dev]\n",
+    "x_test = [word_tokenize(content) for content in x_test]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 6,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "word2vec = gensim.downloader.load(\"word2vec-google-news-300\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 7,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def document_vector(doc):\n",
+    "    \"\"\"Create document vectors by averaging word vectors. Remove out-of-vocabulary words.\"\"\"\n",
+    "    return np.mean([word2vec[w] for w in doc if w in word2vec] or [np.zeros(300)], axis=0)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 8,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "x_train = [document_vector(doc) for doc in x_train]\n",
+    "x_dev = [document_vector(doc) for doc in x_dev]\n",
+    "x_test = [document_vector(doc) for doc in x_test]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 9,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "class NeuralNetwork(torch.nn.Module): \n",
+    "    def __init__(self, hidden_size):\n",
+    "        super(NeuralNetwork, self).__init__()\n",
+    "        self.l1 = torch.nn.Linear(300, hidden_size)\n",
+    "        self.l2 = torch.nn.Linear(hidden_size, 1)\n",
+    "\n",
+    "    def forward(self, x):\n",
+    "        x = self.l1(x)\n",
+    "        x = torch.relu(x)\n",
+    "        x = self.l2(x)\n",
+    "        x = torch.sigmoid(x)\n",
+    "        return x"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 10,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "hidden_size = 600\n",
+    "epochs = 5\n",
+    "batch_size = 15\n",
+    "model = NeuralNetwork(hidden_size)\n",
+    "criterion = torch.nn.BCELoss()\n",
+    "optimizer = torch.optim.SGD(model.parameters(), lr=0.01)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 11,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stderr",
+     "output_type": "stream",
+     "text": [
+      "/home/tomasz/.local/lib/python3.8/site-packages/torch/autograd/__init__.py:130: UserWarning: CUDA initialization: Found no NVIDIA driver on your system. Please check that you have an NVIDIA GPU and installed a driver from http://www.nvidia.com/Download/index.aspx (Triggered internally at  /pytorch/c10/cuda/CUDAFunctions.cpp:100.)\n",
+      "  Variable._execution_engine.run_backward(\n"
+     ]
+    }
+   ],
+   "source": [
+    "for epoch in range(epochs):\n",
+    "    model.train()\n",
+    "    for i in range(0, y_train.shape[0], batch_size):\n",
+    "        X = x_train[i:i+batch_size]\n",
+    "        X = torch.tensor(X)\n",
+    "        y = y_train[i:i+batch_size]\n",
+    "        y = torch.tensor(y.astype(np.float32).to_numpy()).reshape(-1, 1)\n",
+    "        \n",
+    "        outputs = model(X.float())\n",
+    "        loss = criterion(outputs, y)\n",
+    "        \n",
+    "        optimizer.zero_grad()\n",
+    "        loss.backward()\n",
+    "        optimizer.step()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 12,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "y_dev = []\n",
+    "y_test = []"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 13,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "NeuralNetwork(\n",
+       "  (l1): Linear(in_features=300, out_features=600, bias=True)\n",
+       "  (l2): Linear(in_features=600, out_features=1, bias=True)\n",
+       ")"
+      ]
+     },
+     "execution_count": 13,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "model.eval()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 15,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "with torch.no_grad():\n",
+    "    for i in range(0, len(x_dev), batch_size):\n",
+    "        X = x_dev[i:i+batch_size]\n",
+    "        X = torch.tensor(X)\n",
+    "        outputs = model(X.float())       \n",
+    "        prediction = (outputs > 0.5)\n",
+    "        y_dev += prediction.tolist()\n",
+    "\n",
+    "    for i in range(0, len(x_test), batch_size):\n",
+    "        X = x_test[i:i+batch_size]\n",
+    "        X = torch.tensor(X)\n",
+    "        outputs = model(X.float())\n",
+    "        y = (outputs > 0.5)\n",
+    "        y_test += prediction.tolist()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "y_dev = np.asarray(y_dev, dtype=np.int32)\n",
+    "y_test = np.asarray(y_test, dtype=np.int32)\n",
+    "\n",
+    "y_dev = pd.DataFrame({'label':y_dev})\n",
+    "y_test = pd.DataFrame({'label':y_test})\n",
+    "\n",
+    "y_dev.to_csv(r'dev-0/out.tsv', sep='\\t', index=False,  header=False)\n",
+    "y_test.to_csv(r'test-A/out.tsv', sep='\\t', index=False,  header=False)"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.8.5"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 4
+}
diff --git a/Log_Reg.py b/Log_Reg.py
new file mode 100755
index 0000000..de159df
--- /dev/null
+++ b/Log_Reg.py
@@ -0,0 +1,95 @@
+import pandas as pd
+import numpy as np
+import torch
+from nltk.tokenize import word_tokenize
+import gensim.downloader
+
+
+x_train = pd.read_table('train/in.tsv', sep='\t', error_bad_lines=False, quoting=3, header=None, names=['content', 'id'], usecols=['content'])
+y_train = pd.read_table('train/expected.tsv', sep='\t', error_bad_lines=False, quoting=3, header=None, names=['label'])
+x_dev = pd.read_table('dev-0/in.tsv', sep='\t', error_bad_lines=False, header=None, quoting=3, names=['content', 'id'], usecols=['content'])
+x_test = pd.read_table('test-A/in.tsv', sep='\t', error_bad_lines=False, header=None, quoting=3, names=['content', 'id'], usecols=['content'])
+
+x_train = x_train.content.str.lower()
+x_dev = x_dev.content.str.lower()
+x_test = x_test.content.str.lower()
+
+x_train = [word_tokenize(content) for content in x_train]
+x_dev = [word_tokenize(content) for content in x_dev]
+x_test = [word_tokenize(content) for content in x_test]
+
+word2vec = gensim.downloader.load("word2vec-google-news-300")
+
+def document_vector(doc):
+    """Create document vectors by averaging word vectors. Remove out-of-vocabulary words."""
+    return np.mean([word2vec[w] for w in doc if w in word2vec] or [np.zeros(300)], axis=0)
+
+x_train = [document_vector(doc) for doc in x_train]
+x_dev = [document_vector(doc) for doc in x_dev]
+x_test = [document_vector(doc) for doc in x_test]
+
+class NeuralNetwork(torch.nn.Module): 
+    def __init__(self, hidden_size):
+        super(NeuralNetwork, self).__init__()
+        self.l1 = torch.nn.Linear(300, hidden_size)
+        self.l2 = torch.nn.Linear(hidden_size, 1)
+
+    def forward(self, x):
+        x = self.l1(x)
+        x = torch.relu(x)
+        x = self.l2(x)
+        x = torch.sigmoid(x)
+        return x
+
+
+hidden_size = 600
+epochs = 5
+batch_size = 15
+model = NeuralNetwork(hidden_size)
+criterion = torch.nn.BCELoss()
+optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
+
+for epoch in range(epochs):
+    model.train()
+    for i in range(0, y_train.shape[0], batch_size):
+        X = x_train[i:i+batch_size]
+        X = torch.tensor(X)
+        y = y_train[i:i+batch_size]
+        y = torch.tensor(y.astype(np.float32).to_numpy()).reshape(-1, 1)
+        
+        outputs = model(X.float())
+        loss = criterion(outputs, y)
+        
+        optimizer.zero_grad()
+        loss.backward()
+        optimizer.step()
+
+y_dev = []
+y_test = []
+
+model.eval()
+
+with torch.no_grad():
+    for i in range(0, len(x_dev), batch_size):
+        X = x_dev[i:i+batch_size]
+        X = torch.tensor(X)
+        outputs = model(X.float())       
+        prediction = (outputs > 0.5)
+        y_dev.extend(prediction)
+
+    for i in range(0, len(x_test), batch_size):
+        X = x_test[i:i+batch_size]
+        X = torch.tensor(X)
+        outputs = model(X.float())
+        y = (outputs > 0.5)
+        y_test.extend(prediction)
+
+
+y_dev = np.asarray(y_dev, dtype=np.int32)
+y_test = np.asarray(y_test, dtype=np.int32)
+
+y_dev = pd.DataFrame({'label':y_dev})
+y_test = pd.DataFrame({'label':y_test})
+
+y_dev.to_csv(r'dev-0/out.tsv', sep='\t', index=False,  header=False)
+y_test.to_csv(r'test-A/out.tsv', sep='\t', index=False,  header=False)
\ No newline at end of file
diff --git a/LogisticRegression.ipynb b/LogisticRegression.ipynb
new file mode 100644
index 0000000..9b48a62
--- /dev/null
+++ b/LogisticRegression.ipynb
@@ -0,0 +1,269 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import numpy as np\n",
+    "import torch\n",
+    "from nltk.tokenize import word_tokenize\n",
+    "import gensim.downloader"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 3,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "#wczytywanie danych\n",
+    "x_train = pd.read_table('train/in.tsv', sep='\\t', error_bad_lines=False, quoting=3, header=None, names=['content', 'id'], usecols=['content'])\n",
+    "y_train = pd.read_table('train/expected.tsv', sep='\\t', error_bad_lines=False, quoting=3, header=None, names=['label'])\n",
+    "x_dev = pd.read_table('dev-0/in.tsv', sep='\\t', error_bad_lines=False, header=None, quoting=3, names=['content', 'id'], usecols=['content'])\n",
+    "x_test = pd.read_table('test-A/in.tsv', sep='\\t', error_bad_lines=False, header=None, quoting=3, names=['content', 'id'], usecols=['content'])"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 4,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "x_train = x_train.content.str.lower()\n",
+    "x_dev = x_dev.content.str.lower()\n",
+    "x_test = x_test.content.str.lower()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 15,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stderr",
+     "output_type": "stream",
+     "text": [
+      "[nltk_data] Downloading package punkt to /home/tomasz/nltk_data...\n",
+      "[nltk_data]   Unzipping tokenizers/punkt.zip.\n"
+     ]
+    },
+    {
+     "data": {
+      "text/plain": [
+       "True"
+      ]
+     },
+     "execution_count": 15,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "import nltk\n",
+    "nltk.download('punkt')"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 5,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "x_train = [word_tokenize(content) for content in x_train]\n",
+    "x_dev = [word_tokenize(content) for content in x_dev]\n",
+    "x_test = [word_tokenize(content) for content in x_test]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 6,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "word2vec = gensim.downloader.load(\"word2vec-google-news-300\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 7,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def document_vector(doc):\n",
+    "    \"\"\"Create document vectors by averaging word vectors. Remove out-of-vocabulary words.\"\"\"\n",
+    "    return np.mean([word2vec[w] for w in doc if w in word2vec] or [np.zeros(300)], axis=0)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 8,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "x_train = [document_vector(doc) for doc in x_train]\n",
+    "x_dev = [document_vector(doc) for doc in x_dev]\n",
+    "x_test = [document_vector(doc) for doc in x_test]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 9,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "class NeuralNetwork(torch.nn.Module): \n",
+    "    def __init__(self, hidden_size):\n",
+    "        super(NeuralNetwork, self).__init__()\n",
+    "        self.l1 = torch.nn.Linear(300, hidden_size)\n",
+    "        self.l2 = torch.nn.Linear(hidden_size, 1)\n",
+    "\n",
+    "    def forward(self, x):\n",
+    "        x = self.l1(x)\n",
+    "        x = torch.relu(x)\n",
+    "        x = self.l2(x)\n",
+    "        x = torch.sigmoid(x)\n",
+    "        return x"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 10,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "hidden_size = 600\n",
+    "epochs = 5\n",
+    "batch_size = 15\n",
+    "model = NeuralNetwork(hidden_size)\n",
+    "criterion = torch.nn.BCELoss()\n",
+    "optimizer = torch.optim.SGD(model.parameters(), lr=0.01)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 11,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stderr",
+     "output_type": "stream",
+     "text": [
+      "/home/tomasz/.local/lib/python3.8/site-packages/torch/autograd/__init__.py:130: UserWarning: CUDA initialization: Found no NVIDIA driver on your system. Please check that you have an NVIDIA GPU and installed a driver from http://www.nvidia.com/Download/index.aspx (Triggered internally at  /pytorch/c10/cuda/CUDAFunctions.cpp:100.)\n",
+      "  Variable._execution_engine.run_backward(\n"
+     ]
+    }
+   ],
+   "source": [
+    "for epoch in range(epochs):\n",
+    "    model.train()\n",
+    "    for i in range(0, y_train.shape[0], batch_size):\n",
+    "        X = x_train[i:i+batch_size]\n",
+    "        X = torch.tensor(X)\n",
+    "        y = y_train[i:i+batch_size]\n",
+    "        y = torch.tensor(y.astype(np.float32).to_numpy()).reshape(-1, 1)\n",
+    "        \n",
+    "        outputs = model(X.float())\n",
+    "        loss = criterion(outputs, y)\n",
+    "        \n",
+    "        optimizer.zero_grad()\n",
+    "        loss.backward()\n",
+    "        optimizer.step()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 19,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "y_dev = []\n",
+    "y_test = []"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 20,
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/plain": [
+       "NeuralNetwork(\n",
+       "  (l1): Linear(in_features=300, out_features=600, bias=True)\n",
+       "  (l2): Linear(in_features=600, out_features=1, bias=True)\n",
+       ")"
+      ]
+     },
+     "execution_count": 20,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "model.eval()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 21,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "with torch.no_grad():\n",
+    "    for i in range(0, len(x_dev), batch_size):\n",
+    "        X = x_dev[i:i+batch_size]\n",
+    "        X = torch.tensor(X)\n",
+    "        outputs = model(X.float())       \n",
+    "        prediction = (outputs > 0.5)\n",
+    "        y_dev.extend(prediction)\n",
+    "\n",
+    "    for i in range(0, len(x_test), batch_size):\n",
+    "        X = x_test[i:i+batch_size]\n",
+    "        X = torch.tensor(X)\n",
+    "        outputs = model(X.float())\n",
+    "        y = (outputs > 0.5)\n",
+    "        y_test.extend(prediction)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 22,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "y_dev = np.asarray(y_dev, dtype=np.int32)\n",
+    "y_test = np.asarray(y_test, dtype=np.int32)\n",
+    "\n",
+    "y_dev = pd.DataFrame({'label':y_dev})\n",
+    "y_test = pd.DataFrame({'label':y_test})\n",
+    "\n",
+    "y_dev.to_csv(r'dev-0/out.tsv', sep='\\t', index=False,  header=False)\n",
+    "y_test.to_csv(r'test-A/out.tsv', sep='\\t', index=False,  header=False)"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.8.5"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 4
+}
diff --git a/dev-0/out.tsv b/dev-0/out.tsv
index ab0aac1..c10f7c8 100644
--- a/dev-0/out.tsv
+++ b/dev-0/out.tsv
@@ -1,37 +1,30 @@
 0
+1
+1
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
+1
 0
 0
 0
 0
 0
 1
-0
 1
 0
 0
-0
-0
+1
 1
 0
-0
+1
 0
 0
 0
@@ -43,21 +36,23 @@
 0
 0
 0
-0
 1
 0
 0
 0
 0
-0
+1
 0
 0
 1
 0
 0
 0
+1
 0
+1
 0
+1
 0
 0
 0
@@ -67,18 +62,16 @@
 0
 0
 1
-1
-0
-0
 0
 1
 0
+1
+1
 0
 0
 0
 0
-0
-0
+1
 0
 0
 0
@@ -90,9 +83,11 @@
 1
 0
 0
+1
 0
+1
 0
-0
+1
 0
 0
 0
@@ -101,13 +96,16 @@
 0
 1
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
@@ -115,6 +113,8 @@
 0
 1
 0
+1
+1
 0
 0
 0
@@ -131,21 +131,28 @@
 0
 1
 0
-0
+1
 0
 1
 0
 0
+1
 0
 0
 0
+1
+1
+1
 0
+1
+1
 0
 1
 0
 0
 0
 0
+1
 0
 1
 0
@@ -155,6 +162,9 @@
 1
 0
 1
+1
+0
+1
 0
 0
 0
@@ -163,11 +173,14 @@
 0
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
 0
 1
 0
@@ -179,24 +192,28 @@
 0
 0
 0
+1
 0
 0
 0
 1
+1
+1
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
 0
 0
 0
-0
-0
+1
 0
 1
 0
@@ -204,31 +221,42 @@
 0
 0
 0
+1
 0
 0
 0
+1
 0
+1
 0
 0
+1
+1
 0
+1
 0
 0
 1
 0
 0
 0
+1
+1
+0
+1
 0
 0
 0
 0
 1
-0
+1
 0
 0
 1
 0
 0
 0
+1
 0
 0
 0
@@ -236,10 +264,7 @@
 0
 0
 0
-1
-0
 0
-1
 0
 0
 0
@@ -257,9 +282,10 @@
 0
 0
 0
+1
+0
 0
 0
-1
 0
 0
 0
@@ -267,52 +293,75 @@
 0
 0
 0
+1
 0
 1
+1
+1
+1
+1
+1
+1
+0
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
+1
 0
+1
 0
 0
+1
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
+1
 0
 1
+1
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
@@ -322,8 +371,13 @@
 0
 0
 0
+1
+1
 0
+1
 0
+1
+1
 0
 0
 0
@@ -335,6 +389,7 @@
 1
 0
 0
+1
 0
 0
 0
@@ -352,21 +407,29 @@
 0
 0
 0
+1
 0
 0
 0
+1
+1
+1
 0
+1
+1
 0
 0
+1
 0
 0
+1
 0
 0
 0
 0
 0
-0
-0
+1
+1
 0
 0
 0
@@ -386,18 +449,26 @@
 0
 1
 0
+0
+0
 1
 0
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
+1
 0
+1
+1
+1
 0
 0
 0
@@ -407,16 +478,16 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -425,7 +496,9 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
@@ -435,20 +508,24 @@
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
+1
 0
 0
+1
+1
 0
 0
 0
 0
 0
 1
-1
 0
 0
 1
@@ -457,31 +534,41 @@
 0
 0
 0
+1
+1
 0
+1
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 1
 1
-1
 0
 0
 0
 0
 0
+1
+1
+0
 0
 0
+1
+1
 0
 0
 1
 0
 0
 0
+1
 0
 0
 0
@@ -495,26 +582,34 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
+1
 0
 0
 0
@@ -525,7 +620,6 @@
 0
 0
 0
-1
 0
 0
 1
@@ -535,40 +629,47 @@
 0
 0
 0
-1
 0
+1
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 1
 0
-0
 1
 0
+1
 0
 0
-1
 0
 0
 0
 1
 0
+1
+1
 0
 0
+1
+1
+1
 0
+1
+1
 0
 0
+1
 0
+1
 0
+1
 0
 0
 0
@@ -581,27 +682,39 @@
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
 0
+1
+1
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
+1
 0
+1
 0
 0
+1
+1
 0
+1
 0
 0
+1
 0
 0
 0
@@ -611,6 +724,7 @@
 0
 0
 0
+1
 0
 0
 0
@@ -620,48 +734,64 @@
 0
 0
 0
-0
+1
 1
 0
 0
 0
+1
 0
+1
 0
+1
 0
 0
 0
 1
 0
 0
+1
 0
 0
+1
 0
+1
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
+1
 0
 0
+1
 0
 0
+1
 0
 1
 0
 0
+1
+0
+1
 0
 1
+1
 0
+1
 0
 0
 0
 1
-0
 1
 1
 0
-1
 0
 0
 0
@@ -673,10 +803,16 @@
 0
 0
 0
+1
+1
 0
 0
+1
+1
 0
 0
+1
+1
 0
 0
 0
@@ -685,50 +821,68 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
+1
 0
 1
+1
+0
+0
 0
+1
+1
 0
 1
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 1
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
+1
 0
+1
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
@@ -736,927 +890,66 @@
 0
 0
 0
+1
 0
 0
+1
 0
-0
+1
+1
 0
 0
 0
 1
 0
 0
+1
 0
+1
 0
 0
 1
 1
 0
 0
+1
 0
+1
 0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-1
-0
-1
-0
-0
-1
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-1
-0
-1
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-1
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-1
-0
-0
-1
-0
-0
-0
-0
-1
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
+1
 0
 1
 0
 0
 0
 0
-0
-1
-0
 1
 0
 0
 0
-1
-0
-0
 0
 0
 1
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
-0
-0
-0
+1
 0
 0
 0
@@ -1665,13 +958,15 @@
 0
 0
 0
+1
 0
 0
 1
-1
 0
 0
+1
 0
+1
 0
 0
 0
@@ -1679,25 +974,26 @@
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
+1
 0
+1
 0
 0
 0
-1
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 1
@@ -1710,7 +1006,7 @@
 0
 0
 0
-0
+1
 0
 0
 1
@@ -1718,48 +1014,49 @@
 0
 0
 0
+1
+1
 0
 0
+1
+1
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
+1
+1
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
-0
-1
-1
-1
-1
-1
-1
-1
-1
 1
 0
 1
-1
-1
-1
 0
 1
 0
@@ -1769,38 +1066,33 @@
 0
 0
 0
-0
-0
-0
 1
 0
 0
 0
 0
-0
-0
-0
-0
-0
-0
-0
-0
-0
+1
 0
 0
 0
 0
 1
 0
+1
 0
+1
 0
 0
+1
 0
+1
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
@@ -1812,7 +1104,9 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
@@ -1820,29 +1114,120 @@
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
+1
 0
 0
 0
+1
+1
 0
+1
 0
+1
 0
+1
+1
 0
 0
 0
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
 0
 0
+1
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
@@ -1850,39 +1235,53 @@
 0
 0
 0
+1
 0
 0
 0
 0
+1
+1
 0
 0
 0
 1
 0
 0
-0
 1
 0
 0
 0
+1
+1
 0
 0
+1
+1
 0
+1
 0
 0
 0
+1
 0
+1
 0
+1
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
@@ -1893,19 +1292,16 @@
 0
 0
 0
-0
-0
-0
 1
-0
-0
+1
+1
 0
 0
 0
 1
 0
 0
-0
+1
 0
 0
 0
@@ -1922,6 +1318,9 @@
 0
 0
 0
+1
+1
+1
 0
 0
 0
@@ -1932,11 +1331,8 @@
 0
 0
 0
-0
-0
-0
-0
-0
+1
+1
 0
 0
 0
@@ -1959,70 +1355,63 @@
 0
 0
 0
-0
-0
-0
-0
-0
-0
 1
 1
 0
 0
 0
-0
-0
-0
-0
-0
-0
+1
 1
 0
 0
 0
 0
 0
+1
 0
 0
-0
-1
 1
 1
 1
 0
 0
-1
 0
 0
-1
-1
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
+1
 0
 1
 0
 0
 0
 1
+0
 1
 0
 0
+1
 0
+1
 0
 0
 0
@@ -2032,23 +1421,27 @@
 0
 0
 0
-0
-0
-0
 1
 1
 0
+1
 0
-0
+1
+1
 0
 1
 1
 0
 0
 0
+1
 0
 0
 0
+1
+1
+1
+1
 0
 0
 0
@@ -2056,6 +1449,14 @@
 0
 0
 0
+1
+1
+1
+1
+1
+1
+1
+1
 0
 0
 0
@@ -2070,12 +1471,13 @@
 0
 1
 0
+1
+1
 0
 0
 0
 0
 1
-1
 0
 0
 0
@@ -2083,44 +1485,63 @@
 0
 0
 0
+1
 0
 0
 0
 0
-1
 0
 0
 0
+1
 0
+1
 0
+1
+1
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
+1
+1
 0
 0
 0
+1
 0
+1
 0
 0
+1
 0
 1
 1
+1
 0
+1
+1
 0
+1
 0
 0
 0
+1
+1
 0
 0
 0
@@ -2129,36 +1550,48 @@
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
+1
 0
 0
+1
 0
+1
+1
+1
 0
 0
+1
 0
-0
-0
+1
 0
 1
+1
 0
 1
 0
+1
 0
 0
 0
+1
 0
 0
+1
 0
 0
 1
+1
 0
 0
 0
@@ -2175,19 +1608,17 @@
 0
 1
 1
-1
 0
 0
 0
 0
 0
 0
-1
-0
 0
 0
 0
 0
+1
 0
 0
 0
@@ -2197,47 +1628,53 @@
 0
 1
 0
-0
-0
 1
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
-1
-1
-0
 0
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
+1
+1
+1
 0
 0
 1
 0
-0
+1
 0
 0
 1
 0
+1
+1
 0
 0
 0
+1
 0
 0
-1
 0
 1
 0
@@ -2251,13 +1688,16 @@
 0
 0
 0
+1
 0
-0
+1
 0
 0
 1
+1
 0
 0
+1
 0
 1
 1
@@ -2265,16 +1705,16 @@
 0
 0
 0
-1
-0
 0
 0
 0
 0
+1
 0
 0
 0
 1
+1
 0
 0
 0
@@ -2282,9 +1722,11 @@
 0
 0
 0
-1
 0
 1
+1
+1
+0
 0
 0
 0
@@ -2300,23 +1742,45 @@
 0
 0
 0
+1
 0
 0
 0
 1
+1
+1
+1
+1
+1
+1
+1
+1
+0
+0
+0
 0
 0
 0
+1
+0
 0
+1
 0
+1
 0
 0
 0
 0
+1
+1
 0
 0
+1
+1
 0
 0
+1
+1
 0
 0
 0
@@ -2338,7 +1802,6 @@
 0
 0
 0
-1
 0
 0
 1
@@ -2350,6 +1813,7 @@
 0
 0
 0
+1
 0
 0
 0
@@ -2364,7 +1828,7 @@
 0
 1
 0
-0
+1
 0
 0
 0
@@ -2374,14 +1838,18 @@
 0
 0
 0
+1
 0
+1
 0
 0
+1
+1
 0
 0
-1
 0
 0
+1
 0
 0
 0
@@ -2392,17 +1860,23 @@
 1
 0
 0
-1
+0
 1
 0
+1
 0
 0
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
+1
 0
 0
 0
@@ -2415,17 +1889,23 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
-0
+1
+1
 0
 0
 0
 1
 0
+1
+1
 0
+1
 0
 0
 0
@@ -2436,7 +1916,7 @@
 0
 0
 0
-0
+1
 0
 0
 0
@@ -2449,7 +1929,7 @@
 0
 1
 0
-1
+0
 0
 0
 1
@@ -2462,16 +1942,16 @@
 0
 0
 0
-1
 0
 0
+1
 0
 0
-1
 0
 0
 0
 0
+1
 0
 0
 0
@@ -2485,20 +1965,33 @@
 0
 0
 0
+1
+1
+1
 0
 0
 1
+1
+1
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
+1
 0
+1
+1
+1
+1
 0
 1
+1
 0
 0
 0
@@ -2506,14 +1999,16 @@
 1
 0
 0
+1
+0
 0
 0
 0
 0
-1
 0
 1
 0
+1
 0
 0
 0
@@ -2522,10 +2017,14 @@
 1
 0
 0
+1
+1
+1
 0
 0
 0
 0
+1
 0
 0
 0
@@ -2536,6 +2035,9 @@
 0
 0
 0
+1
+1
+0
 0
 0
 0
@@ -2552,7 +2054,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2562,10 +2063,19 @@
 0
 0
 0
+0
+0
+0
+0
+0
+1
+0
 1
 0
 0
 1
+1
+1
 0
 0
 1
@@ -2574,6 +2084,7 @@
 0
 0
 0
+1
 0
 0
 1
@@ -2582,26 +2093,30 @@
 0
 0
 0
+1
+1
+0
+1
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
 1
 0
-0
 1
 0
 0
@@ -2614,6 +2129,9 @@
 0
 0
 0
+1
+0
+0
 0
 0
 0
@@ -2623,27 +2141,39 @@
 1
 1
 0
+0
 1
 0
 0
 0
 0
+1
+0
+1
 0
 1
 0
 0
+1
 0
+1
 0
+1
 0
 1
 0
 0
 0
+1
 0
 0
+1
 0
 0
+1
+1
 0
+1
 0
 0
 0
@@ -2652,9 +2182,7 @@
 0
 1
 0
-1
 0
-1
 0
 0
 0
@@ -2671,34 +2199,51 @@
 0
 0
 0
-0
 1
+1
+1
+0
 0
 0
 0
 0
 0
 0
+1
+1
 0
+1
+1
+1
 0
+1
+1
+1
 0
 0
+1
 0
 0
 0
 0
 1
+1
 0
 0
+1
 0
 0
 0
 0
-1
 0
+1
+1
 0
+1
 0
+1
 0
+1
 0
 0
 0
@@ -2715,7 +2260,7 @@
 0
 0
 0
-0
+1
 0
 0
 0
@@ -2724,9 +2269,12 @@
 0
 0
 0
+1
 0
+1
 0
 0
+1
 0
 0
 0
@@ -2734,15 +2282,19 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
@@ -2750,8 +2302,8 @@
 0
 0
 0
-0
-0
+1
+1
 0
 1
 0
@@ -2767,22 +2319,26 @@
 0
 1
 0
-1
 0
 0
 0
 0
+1
 0
 0
+1
 0
+1
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 1
@@ -2790,18 +2346,25 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
-0
+1
 0
 1
+1
+1
+1
 0
 0
 0
 0
 1
+1
+1
 0
 0
 0
@@ -2813,70 +2376,85 @@
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
-0
+1
+1
 0
 0
 1
 1
-0
 1
 0
 0
 0
+1
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
+1
+1
 0
 0
 0
+1
 0
+1
 0
 0
 1
 0
 0
-1
 0
 0
 0
@@ -2884,17 +2462,24 @@
 0
 0
 0
+1
+0
 0
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
+1
 0
 0
+1
+1
 0
 0
 0
@@ -2904,47 +2489,63 @@
 0
 1
 0
-0
+1
+1
 0
 0
 0
 1
-0
-0
 1
 0
 0
+1
 0
 0
+1
 0
+1
 0
 0
 0
+1
+1
+1
 0
 0
 1
+1
 0
 0
 1
 0
 0
+1
 0
 0
 0
+1
 0
 0
+1
+1
 0
+1
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
 0
 0
 0
 0
 1
+1
 0
 0
 0
@@ -2952,6 +2553,7 @@
 0
 0
 0
+1
 0
 0
 0
@@ -2960,19 +2562,23 @@
 0
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
 1
+1
 0
 0
 0
@@ -2981,13 +2587,19 @@
 1
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
+1
+1
 0
 0
+1
 0
 0
 1
@@ -2995,8 +2607,6 @@
 0
 0
 0
-1
-0
 0
 0
 0
@@ -3010,36 +2620,42 @@
 0
 1
 0
-0
 1
-0
 1
 0
-0
+1
 0
 1
 0
 0
 0
 1
+1
 0
 0
 0
 1
+1
 0
 0
 0
 0
+1
+1
 0
+1
 0
 0
 0
-1
 0
+1
 0
 1
 0
+1
+1
 0
+1
 0
 0
 0
@@ -3048,35 +2664,41 @@
 0
 0
 1
-0
-0
 1
 0
 0
+1
 0
 0
 1
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
-0
+1
 0
 0
 0
 0
 1
+1
+1
 0
 0
 0
 1
 0
 0
+1
+1
 0
 0
 0
@@ -3088,30 +2710,35 @@
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
-0
-0
+1
+1
+1
 0
 0
 1
-1
 0
 0
+1
 0
 0
+1
 0
 0
 0
@@ -3120,22 +2747,28 @@
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
 1
+0
 1
 0
 0
 0
 0
 0
+1
+1
+0
 0
 0
 0
@@ -3148,13 +2781,15 @@
 0
 0
 1
-1
 0
+1
 0
 0
 0
 0
 0
+1
+1
 0
 1
 0
@@ -3166,11 +2801,10 @@
 0
 0
 0
-0
-0
 1
 0
 0
+0
 1
 0
 0
@@ -3178,9 +2812,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 1
@@ -3194,17 +2826,22 @@
 0
 0
 1
+1
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
+1
 0
 0
 0
@@ -3212,21 +2849,31 @@
 0
 0
 0
+1
+1
 0
 0
 1
 0
 0
+1
 0
+1
 0
 0
 0
+1
+1
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
 0
 0
 1
@@ -3249,13 +2896,13 @@
 0
 0
 0
+1
 0
 0
 0
 1
 0
-0
-0
+1
 0
 0
 0
@@ -3264,22 +2911,28 @@
 1
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
+1
+1
 0
+1
 0
+1
 0
 0
 0
 0
-0
+1
 0
 0
 1
@@ -3289,9 +2942,10 @@
 0
 0
 0
-1
 0
 0
+1
+1
 0
 0
 0
@@ -3299,11 +2953,11 @@
 0
 0
 0
-1
 0
 0
 0
 0
+1
 0
 0
 0
@@ -3314,7 +2968,7 @@
 0
 0
 1
-0
+1
 0
 0
 0
@@ -3322,7 +2976,7 @@
 0
 0
 0
-1
+0
 0
 1
 0
@@ -3341,8 +2995,10 @@
 0
 0
 0
+1
 0
-0
+1
+1
 0
 0
 0
@@ -3353,13 +3009,15 @@
 0
 0
 1
-0
 1
 0
+1
 0
+1
 0
 0
 0
+1
 0
 0
 0
@@ -3367,18 +3025,19 @@
 0
 0
 0
+1
 0
 0
-0
-0
-0
-0
+1
+1
 0
 0
 1
 0
 1
+1
 0
+1
 0
 0
 0
@@ -3387,14 +3046,21 @@
 0
 0
 0
+1
+1
 0
 0
+1
 0
+1
 0
 0
+1
+1
 0
 0
 0
+1
 0
 0
 0
@@ -3403,12 +3069,12 @@
 1
 0
 0
-1
-0
 0
+1
 0
 0
 0
+1
 0
 0
 0
@@ -3417,7 +3083,7 @@
 0
 0
 0
-0
+1
 0
 0
 0
@@ -3428,25 +3094,30 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
+1
 0
 0
+1
+1
+1
 0
+1
+1
+1
 0
 0
-1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
@@ -3460,7 +3131,6 @@
 0
 1
 1
-1
 0
 0
 0
@@ -3468,21 +3138,17 @@
 0
 1
 0
-1
-0
 0
 0
 0
 0
 1
 0
-0
 1
 0
 0
-0
-0
-0
+1
+1
 0
 0
 0
@@ -3492,10 +3158,10 @@
 0
 1
 0
-1
 0
 0
 0
+1
 0
 0
 0
@@ -3508,24 +3174,32 @@
 0
 0
 0
-1
 0
 0
 0
 0
+1
 0
+1
+1
 0
 1
 0
+1
 0
 0
+1
 0
 0
+1
+1
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
@@ -3540,6 +3214,7 @@
 0
 1
 0
+1
 0
 0
 0
@@ -3552,17 +3227,17 @@
 0
 0
 1
-0
-0
-0
-0
 1
 0
+1
 0
 0
 0
 0
+1
+1
 0
+1
 0
 0
 0
@@ -3570,12 +3245,11 @@
 0
 0
 0
+1
 0
 0
 0
-0
-0
-0
+1
 0
 0
 1
@@ -3585,20 +3259,19 @@
 0
 0
 0
-1
-0
 0
+1
+1
 0
 0
 0
 0
 1
-1
-0
 0
 0
 0
 0
+1
 0
 0
 0
@@ -3609,27 +3282,39 @@
 0
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
 0
+1
 0
+1
 0
+1
 0
+1
 0
+1
+1
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
-0
+1
+1
 0
 0
 0
@@ -3638,6 +3323,7 @@
 0
 0
 0
+0
 1
 0
 0
@@ -3645,7 +3331,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -3657,7 +3342,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -3665,13 +3349,14 @@
 0
 0
 0
-1
 0
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
@@ -3681,24 +3366,32 @@
 0
 0
 0
+1
 0
 0
 1
 0
 0
+1
 0
 0
+1
 0
+1
 0
 0
 0
 1
+1
+1
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
@@ -3710,6 +3403,7 @@
 0
 0
 0
+1
 0
 0
 0
@@ -3718,6 +3412,7 @@
 1
 0
 0
+1
 0
 0
 0
@@ -3725,13 +3420,15 @@
 0
 0
 0
-1
 0
 0
 0
 0
+1
+0
 0
 0
+1
 0
 0
 0
@@ -3744,11 +3441,14 @@
 0
 0
 1
+1
 0
 0
 0
-0
 1
+1
+1
+0
 0
 0
 0
@@ -3757,15 +3457,24 @@
 0
 0
 0
+1
+1
+1
+1
+0
+0
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
+1
 0
 0
 1
@@ -3780,50 +3489,67 @@
 0
 0
 0
-1
-0
 0
+1
 0
+1
 0
 1
 0
 0
 0
+1
 0
+1
 0
+1
 0
 1
+1
+1
+1
+1
 0
 0
 0
 0
 0
-1
 0
+1
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
+1
 0
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
+1
+1
 0
 1
 0
@@ -3831,7 +3557,6 @@
 0
 0
 1
-1
 0
 0
 0
@@ -3839,38 +3564,52 @@
 0
 0
 0
+1
 0
 0
+1
+1
 0
 0
+1
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
+1
 0
+1
 0
 0
 0
@@ -3888,10 +3627,10 @@
 0
 0
 0
+1
 0
 0
 0
-1
 0
 0
 1
@@ -3902,16 +3641,24 @@
 0
 0
 0
+1
+0
+1
+1
+1
+1
 0
 0
 0
 0
 0
 0
-1
 0
 0
+1
 0
+1
+1
 0
 0
 0
@@ -3919,27 +3666,35 @@
 1
 0
 0
-1
 0
 0
 0
+1
 0
 0
 1
 0
+1
 0
 0
 0
+1
 0
+1
 0
 0
 1
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
 1
@@ -3947,25 +3702,35 @@
 0
 0
 0
+0
 1
 1
 0
+1
 0
 0
+1
+1
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
+1
 0
 0
+1
+1
 0
 0
 0
 0
+1
 0
 0
 0
@@ -3974,72 +3739,99 @@
 0
 1
 0
-1
-0
-0
 0
+1
 0
 0
+1
+1
 0
 0
+1
+1
+1
 0
 0
 0
 0
 0
 0
+1
 0
+1
 0
+1
+1
 0
 0
-1
 0
 0
 0
 0
+1
+1
 0
 0
 0
 0
+1
 0
+1
 0
+1
+1
+1
 0
 1
 0
 0
+1
+1
 0
 1
+1
 0
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 1
 1
 0
+1
 0
 0
 1
+1
 0
 0
 0
 0
 0
+1
+1
 0
-0
+1
 0
 0
 1
+1
 0
 0
 0
@@ -4050,20 +3842,19 @@
 0
 0
 0
-0
+1
 0
 0
 0
 1
 0
-0
-1
 1
 0
 0
 0
 0
 0
+0
 1
 0
 0
@@ -4088,67 +3879,89 @@
 1
 0
 0
-1
 0
-1
 0
 0
 1
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
+1
+1
+1
 0
 0
 0
 0
 1
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
+1
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
+1
 0
 1
 0
+1
 0
+1
+1
 0
 0
 0
+1
 0
+1
 0
+1
 0
 0
+1
+1
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
+1
 0
+1
 0
 0
 1
@@ -4156,10 +3969,12 @@
 0
 0
 0
+1
 0
 0
+1
 0
-0
+1
 0
 0
 0
@@ -4170,14 +3985,17 @@
 0
 0
 0
+1
+0
 0
+1
 0
 0
 0
-1
-1
 0
 1
+0
+0
 1
 0
 0
@@ -4186,16 +4004,18 @@
 0
 0
 0
+1
+0
 0
 0
 1
+1
 0
 0
 0
 0
 1
 0
-1
 0
 0
 0
@@ -4204,18 +4024,22 @@
 0
 1
 0
+1
+1
 0
 0
 0
 1
 0
-1
 0
 0
 0
+1
+0
 0
 0
 0
+1
 0
 0
 0
@@ -4233,8 +4057,11 @@
 0
 0
 0
+1
+1
 0
 1
+1
 0
 0
 0
@@ -4242,43 +4069,52 @@
 0
 1
 0
+1
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
+1
 0
+1
 0
 0
 1
 0
 0
 0
+1
 0
 0
 0
 0
-1
-1
-0
 0
 0
 0
 0
-1
 0
 0
 0
+1
+1
+1
 0
+1
+1
 0
 0
 0
@@ -4294,25 +4130,33 @@
 0
 0
 0
+1
+1
 0
 0
 0
 0
+0
+1
+1
 1
 0
 0
 0
 0
 1
+1
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
-0
+1
 0
 0
 0
@@ -4324,10 +4168,6 @@
 1
 1
 0
-0
-0
-0
-0
 1
 0
 0
@@ -4336,59 +4176,78 @@
 0
 0
 1
-0
+1
+1
 1
 1
 0
 0
 0
 0
-1
 0
 0
 1
+0
+1
 1
 0
 0
 0
+1
 0
+1
 0
 0
 0
+1
 0
+1
+1
 0
+1
 0
+1
+1
 0
+1
+1
 0
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
+1
+1
 0
+1
 0
 0
 0
 0
 0
 0
+1
+1
+1
 0
 0
 0
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
@@ -4400,12 +4259,16 @@
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
 0
+1
+1
 0
 0
 0
@@ -4414,80 +4277,105 @@
 1
 0
 0
-1
-0
-0
 0
+1
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 1
+1
+1
 0
 0
+1
+1
 0
 0
 1
 0
+1
+1
 0
+1
+1
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
 0
+1
 0
+1
+1
 0
+1
 0
 0
+1
 0
 1
+1
+1
+0
 0
 0
 0
 0
 0
 0
-1
-1
 0
 0
 0
 0
 0
 0
+1
+1
+1
 0
 0
 0
 0
+1
 0
 1
 1
 0
 0
+1
+0
 0
 0
 0
@@ -4495,16 +4383,21 @@
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
+1
+1
 0
 0
 1
@@ -4514,40 +4407,52 @@
 0
 0
 0
+1
 0
 0
 0
 1
 1
 0
+1
 0
 0
 0
 0
-1
-0
 0
 0
 0
-1
 0
 0
 0
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
 1
+1
+1
 0
 0
+1
+1
+1
+1
+1
+1
+1
 0
+1
 0
 0
 0
@@ -4555,20 +4460,22 @@
 0
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
-0
+1
+1
 0
 0
 1
-1
 0
 0
 0
@@ -4577,16 +4484,16 @@
 0
 1
 0
+1
+1
 0
 0
 0
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -4597,23 +4504,35 @@
 0
 0
 0
+1
 0
 0
+1
 0
+1
 0
+1
 0
 0
 0
 1
 1
+1
+1
 0
 0
 1
 0
 0
 0
+1
+1
+0
 0
+1
 0
+1
+1
 0
 0
 0
@@ -4622,29 +4541,37 @@
 0
 0
 1
+1
 0
 0
+1
 0
 0
 0
 0
+1
 0
+1
+1
+1
 0
 0
 1
 0
+1
 0
 0
 0
 0
 0
+1
 0
 0
 0
 1
 0
 0
-0
+1
 1
 0
 0
@@ -4652,15 +4579,18 @@
 0
 1
 0
-0
-0
+1
 0
 1
 0
+1
 0
 0
+1
+1
 0
 0
+1
 0
 0
 0
@@ -4673,19 +4603,19 @@
 0
 0
 0
-0
-0
 1
-0
+1
 1
 0
 0
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
 0
@@ -4695,32 +4625,37 @@
 0
 0
 0
-0
+1
 0
 0
 0
 0
 0
 1
-0
 1
 0
 0
 0
 0
-0
-0
-0
 1
 0
 0
+1
+1
+1
 0
+1
+1
+1
 0
 0
 0
+1
 0
 0
 0
+1
+1
 0
 0
 0
@@ -4728,19 +4663,23 @@
 0
 0
 0
+1
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
-0
+1
 0
 1
 0
+1
 0
 0
 0
@@ -4752,17 +4691,19 @@
 1
 0
 0
-0
 1
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
 0
+1
 0
 0
 0
@@ -4770,14 +4711,13 @@
 0
 0
 0
+1
 0
-0
-0
-0
+1
 0
 0
 1
-0
+1
 0
 0
 0
@@ -4798,6 +4738,8 @@
 0
 1
 0
+1
+1
 0
 0
 0
@@ -4807,6 +4749,7 @@
 0
 0
 0
+1
 0
 0
 0
@@ -4814,12 +4757,13 @@
 0
 0
 0
+1
 0
 0
+1
 0
 0
-0
-0
+1
 0
 0
 0
@@ -4828,17 +4772,16 @@
 1
 0
 0
+1
+1
 0
 0
-0
+1
 0
 0
 0
 0
 1
-0
-0
-0
 1
 0
 0
@@ -4847,14 +4790,20 @@
 0
 0
 0
-0
 1
 0
 0
+1
+1
 0
+1
+1
 0
 1
+1
+1
 0
+1
 0
 0
 0
@@ -4864,6 +4813,8 @@
 1
 0
 0
+1
+0
 0
 0
 0
@@ -4874,15 +4825,21 @@
 0
 0
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
 0
+1
 0
 0
 0
+1
 0
 0
 0
@@ -4891,22 +4848,37 @@
 0
 0
 0
+1
+0
+0
 0
+1
+1
+1
+1
 0
 0
+1
+1
 0
+1
 0
 0
+1
 0
 0
 0
+1
+1
 0
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
@@ -4915,9 +4887,7 @@
 0
 0
 1
-0
 1
-0
 1
 0
 0
@@ -4926,9 +4896,9 @@
 0
 0
 0
+1
 0
-0
-0
+1
 0
 0
 0
@@ -4937,30 +4907,37 @@
 1
 0
 0
+0
 1
 0
 0
 0
 0
 1
+1
 0
-0
+1
 1
 0
 0
 0
 0
-1
 0
 0
 0
 1
+0
+0
+0
+0
 1
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
@@ -4971,13 +4948,18 @@
 1
 0
 0
+1
 0
+1
 0
 0
 0
+1
+1
 0
 0
 0
+1
 0
 0
 0
@@ -4986,50 +4968,61 @@
 1
 0
 0
+1
+1
 0
 0
-1
 0
 0
 0
 1
-0
 1
 0
+1
 0
 0
+1
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 1
 0
+1
 0
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
-0
-0
+1
 0
 0
 1
 0
+1
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
 0
@@ -5047,18 +5040,26 @@
 0
 0
 0
+1
+1
 0
+1
 0
 0
+1
 0
 0
 0
 0
 0
+1
+1
+1
+1
 0
 0
 0
-0
+1
 0
 0
 0
@@ -5072,14 +5073,15 @@
 0
 0
 1
-0
-0
-0
 1
 0
 1
+1
+1
+1
 0
 0
+1
 0
 0
 0
@@ -5091,9 +5093,7 @@
 0
 0
 0
-0
-0
-0
+1
 0
 1
 1
@@ -5117,12 +5117,9 @@
 0
 1
 0
+1
 0
-0
-0
-0
-0
-0
+1
 0
 0
 1
@@ -5130,6 +5127,7 @@
 0
 0
 0
+1
 0
 0
 0
@@ -5138,14 +5136,16 @@
 0
 0
 0
-0
+1
 0
 0
 1
 0
 1
+0
 1
 0
+1
 0
 0
 0
@@ -5171,14 +5171,14 @@
 0
 0
 0
+1
 0
 0
 0
 0
 0
 0
-0
-0
+1
 0
 0
 0
@@ -5194,14 +5194,16 @@
 0
 0
 1
-0
+1
 1
 0
 0
 0
+1
 0
 0
 0
+1
 0
 0
 0
@@ -5211,6 +5213,7 @@
 0
 0
 0
+1
 0
 0
 0
@@ -5220,10 +5223,7 @@
 0
 0
 0
-0
-0
-0
-0
+1
 0
 0
 0
@@ -5233,10 +5233,10 @@
 0
 0
 1
-0
-0
 1
+0
 1
+0
 1
 1
 0
@@ -5244,14 +5244,18 @@
 0
 0
 0
+1
+1
 0
 0
 0
 0
 0
 0
+1
 0
 0
+1
 0
 0
 0
@@ -5266,7 +5270,3 @@
 0
 0
 0
-1
-0
-0
-0
diff --git a/test-A/out.tsv b/test-A/out.tsv
index 84957b8..67f8820 100644
--- a/test-A/out.tsv
+++ b/test-A/out.tsv
@@ -4,7 +4,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -24,13 +23,10 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -49,7 +45,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -75,18 +70,14 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
-1
 0
 0
-1
 0
 0
 0
@@ -104,12 +95,10 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -117,7 +106,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -131,17 +119,11 @@
 0
 0
 0
-1
 0
-1
 0
 0
-1
-1
 0
-1
 0
-1
 0
 0
 0
@@ -151,7 +133,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -161,9 +142,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -181,7 +160,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -215,12 +193,9 @@
 0
 0
 0
-1
 0
 0
 0
-1
-1
 0
 0
 0
@@ -229,9 +204,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -242,11 +215,9 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
@@ -268,10 +239,8 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -282,10 +251,8 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -296,18 +263,15 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -317,48 +281,39 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
@@ -368,27 +323,22 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -407,22 +357,17 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
-1
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -433,11 +378,8 @@
 0
 0
 0
-1
-1
 0
 0
-1
 0
 0
 0
@@ -458,7 +400,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -467,14 +408,12 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -488,29 +427,23 @@
 0
 0
 0
-1
 0
-1
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -553,23 +486,16 @@
 0
 0
 0
-1
 0
-1
 0
-1
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
-1
-1
 0
 0
 0
@@ -583,41 +509,32 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
-1
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -626,17 +543,14 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -650,10 +564,8 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -665,8 +577,6 @@
 0
 0
 0
-1
-1
 0
 0
 0
@@ -674,7 +584,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -682,21 +591,17 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -710,7 +615,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -722,9 +626,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -733,7 +635,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -745,23 +646,19 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -769,20 +666,15 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
-1
 0
-1
-1
 0
 0
 0
@@ -793,7 +685,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -807,12 +698,10 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -824,43 +713,33 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
-1
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
-1
 0
 0
 0
-1
 0
 0
 0
@@ -874,7 +753,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -895,10 +773,8 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -908,8 +784,6 @@
 0
 0
 0
-1
-1
 0
 0
 0
@@ -925,7 +799,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -940,7 +813,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -952,14 +824,10 @@
 0
 0
 0
-1
 0
-1
-1
 0
 0
 0
-1
 0
 0
 0
@@ -967,7 +835,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -983,35 +850,28 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1023,34 +883,25 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
 0
 0
-1
-1
 0
 0
 0
 0
 0
-1
 0
 0
-1
-1
 0
-1
 0
 0
 0
@@ -1074,17 +925,14 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1095,14 +943,11 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -1116,7 +961,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1134,12 +978,9 @@
 0
 0
 0
-1
 0
 0
 0
-1
-1
 0
 0
 0
@@ -1158,14 +999,11 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -1178,14 +1016,11 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1197,7 +1032,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1217,18 +1051,13 @@
 0
 0
 0
-1
 0
-1
-1
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1263,7 +1092,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1291,17 +1119,14 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -1320,25 +1145,19 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -1356,20 +1175,16 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -1383,8 +1198,6 @@
 0
 0
 0
-1
-1
 0
 0
 0
@@ -1402,7 +1215,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1414,10 +1226,8 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -1432,22 +1242,16 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
-1
 0
 0
 0
 0
 0
-1
 0
-1
-1
 0
 0
 0
@@ -1477,7 +1281,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1489,14 +1292,10 @@
 0
 0
 0
-1
-1
 0
-1
 0
 0
 0
-1
 0
 0
 0
@@ -1505,9 +1304,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -1517,12 +1314,10 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1542,7 +1337,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1558,12 +1352,10 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1598,14 +1390,11 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -1647,10 +1436,7 @@
 0
 0
 0
-1
 0
-1
-1
 0
 0
 0
@@ -1681,7 +1467,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1690,7 +1475,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1705,10 +1489,8 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -1745,25 +1527,20 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
-1
 0
-1
 0
 0
 0
@@ -1773,7 +1550,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1787,24 +1563,18 @@
 0
 0
 0
-1
-1
 0
 0
 0
 0
-1
-1
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1822,11 +1592,8 @@
 0
 0
 0
-1
 0
-1
 0
-1
 0
 0
 0
@@ -1835,13 +1602,11 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1854,9 +1619,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -1864,7 +1627,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1873,7 +1635,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1891,14 +1652,12 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -1908,13 +1667,10 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
-1
 0
 0
 0
@@ -1923,7 +1679,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1935,11 +1690,9 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
@@ -1948,7 +1701,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1959,11 +1711,8 @@
 0
 0
 0
-1
 0
-1
 0
-1
 0
 0
 0
@@ -1971,7 +1720,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -1986,9 +1734,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -2025,7 +1771,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2037,7 +1782,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2058,22 +1802,18 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -2086,7 +1826,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2106,14 +1845,11 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -2131,13 +1867,10 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
-1
 0
 0
 0
@@ -2146,7 +1879,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2159,7 +1891,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2177,10 +1908,8 @@
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -2191,7 +1920,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2203,7 +1931,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2212,7 +1939,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2223,7 +1949,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2233,7 +1958,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2244,7 +1968,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2257,20 +1980,17 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -2281,9 +2001,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -2292,24 +2010,20 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
 0
 0
 0
@@ -2317,8 +2031,6 @@
 0
 0
 0
-1
-1
 0
 0
 0
@@ -2328,14 +2040,11 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
-1
-1
 0
 0
 0
@@ -2343,8 +2052,6 @@
 0
 0
 0
-1
-1
 0
 0
 0
@@ -2352,13 +2059,10 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
-1
 0
 0
 0
@@ -2371,27 +2075,20 @@
 0
 0
 0
-1
-1
-1
 0
 0
 0
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
-1
 0
 0
 0
@@ -2405,7 +2102,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2414,12 +2110,10 @@
 0
 0
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -2434,7 +2128,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2454,9 +2147,7 @@
 0
 0
 0
-1
 0
-1
 0
 0
 0
@@ -2471,16 +2162,12 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
-1
 0
 0
-1
 0
 0
 0
@@ -2489,14 +2176,10 @@
 0
 0
 0
-1
-1
 0
 0
 0
 0
-1
-1
 0
 0
 0
@@ -2504,17 +2187,12 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
 0
-1
 0
-1
-1
 0
 0
 0
@@ -2522,11 +2200,8 @@
 0
 0
 0
-1
 0
-1
 0
-1
 0
 0
 0
@@ -2550,7 +2225,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2565,7 +2239,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2606,7 +2279,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2614,7 +2286,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2624,7 +2295,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2642,7 +2312,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2662,7 +2331,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2671,7 +2339,6 @@
 0
 0
 0
-1
 0
 0
 0
@@ -2691,18 +2358,14 @@
 0
 0
 0
-1
 0
 0
 0
-1
 0
-1
 0
 0
 0
 0
-1
 0
 0
 0
@@ -2727,2419 +2390,12 @@
 0
 0
 0
-1
 0
 0
 0
 0
 0
 0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-1
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-1
-0
-1
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-1
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-1
-0
-1
-0
-0
-0
-0
-0
-1
-1
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-1
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-0
-1
-1
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-1
-1
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-0
-1
-0
-0
-0
-1
-0
-0
-1
-0
-0
-0
-1
-0
-0
-1
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-1
-0
-0
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-1
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-0
-1
 0
 0
 0